- 视觉草稿本:多模态语言模型的可视化思维链
本研究介绍了 Sketchpad 框架,通过为多模态语言模型提供视觉草图板和绘图工具,使其在推理过程中绘制视觉成果,从而显著改善任务表现。
- DrawTalking: 通过草图和语言构建互动世界
用户通过绘画和说话建立交互世界的交互式方法 DrawTalking,强调用户控制和灵活性,无需编码即可具备类似编程的能力。我们在 iPad 上实现了这一方法,并开展了一个开放式研究,结果显示这种机制适用于许多创造性和探索性的应用场景。我们希 - 混合模型中草图操作符的 RIP 保证的再探讨
在素描用于压缩混合建模的背景下,我们重新审视了对某些混合模型的素描操作符具有有限保留同构性质的现有证明。通过检查现有保证的不足之处,我们提出了一种替代性分析方法,避免了在绘制随机傅里叶特征以构建随机素描操作符时需要假设重要性抽样。我们的分析 - SEVA: 利用素描评估人类与机器视觉抽象之间的对齐
通过 SEVA 数据集,对视觉算法进行评估,探索模拟人类视觉抽象能力的模型在生成任务中的潜力,以促进实现增强人类类似的视觉抽象能力的算法的进展。
- 集成线性插值器:集成的作用
插值器不稳定,论文研究了集合稳定如何改善插值器的泛化性能,Bagging 作为一种随机化集合方法能够并行实现,通过引入基于乘法自助法的 Bagged 最小二乘估计器,对最小二乘估计器求平均,得到该方法。该文进一步探讨了 Sketching - Sketch2Stress: 结构应力感知绘图
本文提出了一种名为 Sketch2Stress 的方法,利用特殊设计的生成对抗框架,使用户能够在草图阶段对所设计对象进行结构分析,通过预测正常图和相应的分布在对象上的应力图,让设计师们能够方便地检查草图对象的承受力和识别潜在的问题区域。
- GPT-4 可控文本到图像生成
本文介绍 Control-GPT,它通过使用 GPT-4 生成的 TikZ 程序草图来引导扩散型文本到图像管道,从而提高其按照文本指令生成图像的能力,并在空间布置和物体定位方面创造了新的最高水平。
- 在赌博机中通过草图进行奖励插值,使部分信息成为全面信息
本文提出了一种针对上下文批处理赌博机问题提升反馈信息利用率的奖赏补偿方法,该方法利用随机草图求解回归问题完成了未观测到奖赏的预测,以实现对完整反馈信息的近似,具有可控偏差和更小的方差,并在合成和现实数据集上优于现有方法。
- 光学处理单元压缩聚类
本论文探讨了利用光学处理单元(OPU)计算随机傅里叶特征来进行草图处理,并将整个压缩聚类流程调整到该设置。我们还提出了一些工具来帮助调整压缩聚类的关键超参数。
- CVPR无忧绘图:噪声容忍的基于草图的图像检索
本文利用强化学习设计了一种画笔子集选择器,用于减少噪声干扰,提高图片检索的效率,相比现有算法有了 8%-10% 的性能提升,成为了业内的新标杆,并且展示了该选择器可以用于多种人工智能应用中。
- CLIPasso: 语义感知物体草图
利用不同的几何和语义上的简化来控制抽象程度的一种物体素描方法,能够通过训练学习到草图和图像的概念,生成的草图实现多个抽象程度,同时保持主题的可识别性,基本结构和基本视觉元素。
- AAAI基于克罗内克草图的快速图神经切向核
本文介绍了用于图数据的新方法 - 图神经正切核 (GNTK),并提出了第一种在 O(n ^ 2N ^ 3)运行时间内构造核矩阵的算法,以加快 GNTK 回归的端到端运行时间。
- ECCV课程 DeepSDF
本文设计了一个形状课程用于学习连续有符号距离函数(SDF)的形状,由简单到复杂地扩展其难度,帮助提升三维形状重建的质量和训练效果。
- ICLR岭回归:结构、交叉验证和草图
本文研究岭回归的三个基本问题:估计器结构、正确使用交叉验证选择正则化参数以及如何在不损失过多精度的情况下加速计算。我们在一个统一的大数据线性模型下考虑了这三个问题。通过将岭回归精确表示为真实参数和噪声的协方差矩阵相关的线性组合,我们研究了 - RSN:随机子空间牛顿法
本研究提出了一种基于随机化草图的随机牛顿法,可以解决具有巨大维度的特征空间的学习问题,并通过开发全局线性收敛理论,证明了其有效性。
- 教授 GAN 将草图转换为矢量格式
本文提出了两种基于深度学习的神经网络架构,SkeGAN 和 VASkeGAN,用于生成矢量格式的手绘素描,并且引入了 Ske-score 度量来评估其质量。经过人类 图灵测试和 Ske-score 评估,验证了这两个模型的生成结果质量较好。
- 二阶民主聚合
该研究论文研究了一类无序聚合函数的设计,用于优化二阶特征提取和标准化过程中的贡献均衡,并证明它们能够像一阶聚合函数一样高效地运算,并在许多分类任务中表现出最先进的性能,特别是通过草图计算在较低维度计算二阶特征聚合。
- AAAI大规模约束线性回归再访:通过预条件处理获得更快算法
这篇论文提出了基于近期的数据草图 (sketching) 与优化发展的快速方法,结合 (加速的) mini-batch SGD 与一个叫做两步预处理的新方法,以比当前低精度情况下最先进技术所需的时间复杂度更低的近似解。这个方法也可以扩展到高 - 草图算法的统计性质
该论文介绍了一种称为 “sketching” 的数据压缩技术,该技术通过随机投影将大型数据集压缩成较小的替代数据集,然后进行统计分析,该方法特别适用于大规模的线性回归问题。
- Newton-Sketch 和子采样 Newton 方法的研究
本文研究了在解决变量数量和数据点数量都很大的有限和最优化问题的 Newton 法的背景下,两种数据空间维数缩减方法:Hessian 子采样和随机 Hadamard 变换。通过一系列数字实验和 Hessian 子采样方法的复杂性分析,揭示了使